基于稀疏約束的磁共振圖像去噪與重構(gòu)方法研究.pdf

1、壓縮感知磁共振成像（CS-MRI）是一種很有前景的用于加速動態(tài)心臟磁共振成像（dCMRI）的技術(shù)。對于dCMRI，CS-MRI通常是利用圖像信號的稀疏性和低秩性通過從K空間獲取的欠采樣動態(tài)圖像的數(shù)據(jù)來進行重建?；谙∈杓s束的磁共振（MR）圖像重構(gòu)過程中，圖像表征越稀疏，重構(gòu)圖像的精度越高。如何提高磁共振成像的稀疏性，對與提高重構(gòu)圖像的質(zhì)量，具有重要的研究意義。另外，隨著磁共振成像（MRI）在臨床應用中日益增長的需求，如何減少噪聲在磁共振

2、成像中的影響意義深遠。因此在本文中我們將研究基于稀疏約束的磁共振圖像的去噪算法與重構(gòu)算法。
　　總廣義變分（TGV）正則化模型是最有效的MR圖像去噪方法之一，然而，對于三維動態(tài)MR圖像，TGV正則化模型不能正確地使用切片之間的相關(guān)空間信息。在本文中，研究了一種三維TGV(3D-TGV)去噪方法，并將其應用于對動態(tài)磁共振圖像的不同種類的噪聲進行去噪。實驗結(jié)果表明，相比于全變分（TV）以及3D-TGV具有更好的去噪效果，使去噪后的磁共

3、振圖像具有更高的信噪比（SNR）以及較小的偽影。為了提高動態(tài)磁共振圖像重構(gòu)的稀疏性，本文提出基于3D-TGV方法與高階奇異值分解（HOSVD）方法相結(jié)合的稀疏約束方法：k-t-TGV-TD（Total Generalized Variation and Tensor Decomposition）。同時，為了提高重構(gòu)圖像的重構(gòu)速度，將快速復合分裂算法（FCSA）用于復雜的稀疏凸優(yōu)化問題的求解，即將復雜的凸優(yōu)化問題分解成多個簡單的子問題求解